CGB0058 - INTRODUÇÃO A ANÁLISE DE DADOS

CATEGÓRICOS
Prof: Felipe Rodrigues

Curso de Estatística
13 de junho de 2024
Universidade Federal do Piauí
Sumário

1. Conceitos iniciais

2. Tipos de estudos

3. Delineamentos amostrais

4. Testes em tabelas de contingência

5. Medidas de associação

6. Tabelas de contingência r × c

7. Medidas para dados relacionados

8. MLG 2
Conceitos iniciais
Introdução

Objetivo
• O objetivo desse curso é apresentar de maneira introdutória con-
ceitos e técnicas para analisar dados de estudos em que a variá-
vel resposta de interesse é categórica.

4
Conceitos básicos

• Variáveis categóricas são também conhecidas como variáveis qua-

litativas, por exemplo: Status do cliente (adimplente ou inadim-
plente), status do pacinte (óbito ou não óbito), classe social (alta,
média ou baixa), dentre outros;
• Variável resposta: É a variável de interesse do estudo ;
• Variável explicativa: São aquelas que podem afetar a variável res-
posta, também chamadas de fatores, covariáveis, preditoras, etc,
podem ser qualitativas ou quantitativas;
• Na análise de dados categóricos a variável resposta é descrita
através de distribuições de probabilidade discretas, como Bino-
mial, Poisson, Multinomial, etc.

5
Conceitos básicos

• Variáveis explicativas contínuas podem ser categorizadas de acordo

com o interesse do pesquisador, por exemplo o nível de açúcar
no sangue pode ser categorizado em normal ou anormal;
• As variáveis categóricas podem ter duas (dicotômicas ou binárias)
ou mais categorias (politômicas);
• As variáveis categóricas ainda podem ser subdivididas em ordi-
nais e nominais;
• Quando as categorias apresentam uma ordem natural, por exem-
plo gravidade do estágio clínico de um paciente, dizemos a variá-
vel é categórica ordinal;
• Quando não existe ordem natural nas categorias, por exemplo cor
da pele do paciente, dizemos que a variável é categórica nominal.

6
Conceitos básicos

• Quando a variável resposta assume valores inteiros (contagem),

por exemplo conta o número de falhas de um equipamento du-
rante determinado período, ela é denominadaa variável quanti-
tativa discreta;
• Geralmente os métodos utilizados para análise de dados com va-
riável resposta qualitativa também podem ser aplicados à estu-
dos com variável resposta quantitativa discreta, ou àqueles com
variável resposta com valores contínuos agrupados (ex: < 100;
≥ 100);
• Em categorias com baixa frequência de observações ou sem ob-
servação é interessante fazer algum tipo de agrupamento, por
exemplo se em um estudo com 100 pacientes nenhum deles pe-
tence à categoria A, 2 à categoria B e 3 à categoria C, pode ser
interessante agrupar essas 3 categorias em uma.

7
Notações

• A Variável resposta é denotada pela letra Y;

• A Variável explicativa é denotada pela letra X;
• Para p variáveis explicativas temos X = (X1 , . . . , Xp );
• Dados de estudos em que a variável resposta e as variáveis ex-
plicativas são categóricas (ou foram categorizadas) são, sempre
que possível, organizados em tabelas de contingência.

8
Tabela de contigência

As observações consistem de contagens ou freqüências dispostas em

tabelas de contingência formada através da classificação cruzada das
variáveis em que, na maioria das aplicações, as linhas representam
combinações dos níveis dos fatores e as colunas representam os ní-
veis (categorias da variável resposta).

Tabela 1: Tabela de Contingência 2 × 2

Categorias da variável Y
Categorias da variável X Totais
j=1 j=2
i=1 n11 n12 n1+
i=2 n21 n22 n2+
Totais n+1 n+2 n++ = n

9
• nij representa a frequência de indivíduos na categoria i de X e
categoria j de Y, com i, j = 1, 2.
• ni+ representa o total de indivíduos na categoria i de X, ou seja ,
o total marginal da linha.
• n+j representa o total de indivíduos na categoria j de Y, ou seja ,
o total marginal da coluna.
• n representa o total geral ou amostral de indivíduos no estudo,
ou seja, a soma dos nij .

10
Exemplo

Tabela 2: Tabela de Contingência 2 × 2

Câncer de esôfago
Consumo de Álcool Totais
Sim Não
Sim 96 109 205
Não 104 666 770
Totais 200 775 975

Fonte: Tuyns et al. (1977), Santner e Duffy (1989)

11
Tabela com as proporções amostrais pij = nij /n nas caselas, para i, j =
1, 2.

Categorias de Y
Categorias de X Totais
j=1 j=2
i=1 p11 p12 p1+
i=2 p21 p22 p2+
Totais p+1 p+2 1

12
• pij = P(X = i, Y = j) é a probabilidade conjunta.
• pi+ = P(X = i) é a probabilidade marginal da linha i.
• p+j = P(Y = j) é a probabilidade marginal da coluna j.

13
Exemplo

Tabela 3: Tabela com as proporções amostrais

Câncer de esôfago
Consumo de Álcool Totais
Sim Não
Sim 0.0985 0.1118 0.2103
Não 0.1066 0.6831 0.7897
Totais 0.2051 0.7949 1

14
Tipos de estudos
Muitos estudos clínicos e epidemiológicos são desenvolvidos por pes-
quisadores de diversas áreas, cuja variável de intesse é categórica.
Dentre os tipos de estudo mais comuns estão o estudo de coorte,
caso-controle, tranversais e estudoS clínicos aleatorizados.

16
Tipos de estudos

Em relação a interferência do pesquisador, divide-se em

• Observacional: o pesquisador não impõe um tratamento para

cada grupo de pessoas, mas usa as informações já disponíveis
sobre o paciente. Mais comuns e viáveis
• Experimental: o pesquisador em geral aloca os pacientes a cada
tratamento.

17
Tipos de estudos

Em relação ao tempo do estudo, divide-se em

• Longitudinal: Nestes estudos os dados estudados são coletados

ao longo do tempo, geralmente em dois momentos, no ponto ini-
cial da exposição(o encontrado) e em um momento posterior.
• Prospectivo: acompanha pacientes ao longo do tempo (follow up).
Em geral, são mais caros e há mais perda de dados, mas
costumam ser mais precisos.
• Retrospectivo: baseado em dados de períodos passados.
• Transversal: Dados levantados em um determinado instante de
tempo.

18
Estudo de Caso-controle

1. Estudo observacional analítico que compara dois grupos de

indivíduos;
2. Retrospectivo: o desfecho já aconteceu;
3. A seleção da amostra se dá pelo desfecho (doença);
4. Barato e de rápida implementação.

19
Estudo de Caso-controle

O investigador parte de indivíduos com e sem doença e busca no pas-

sado a presença/ausência do fator de exposição (causa); Comparação
entre grupo de indivíduos com a doença de interesse com um grupo
de indivíduos sem a doença; Analisa os possíveis fatores associados
à doença em questão; Melhor estudo para doenças raras.

Figura 1: Fonte: Giolo, S. R. (2017) 20

Estudo de Caso-controle

Variável Y
Variável X Totais
Caso (doente) Controle (não doente)
Exposto
Não Exposto
Totais n+1 n+2

Nesse estudo sabe-se inicialmente quais indivíduos estão ou não do-

entes (n+1 e n+2 ), e procura-se investigar se a exposição a determi-
nado fator está associada à doença em estudo.

EXEMPLO PRÁTICO

21
Estudo de Coorte

1. Estudo observacional no qual os indivíduos são classificados

segundo o status de exposição (expostos e não expostos);
2. Longitudinal: Prospectivo;
3. Os estudos prospectivo e retrospectivo geralmente se referem a
quando os dados do estudo foram coletados em relação ao
pesquisador.
4. Mede a incidência = no de casos novos no período de
acompanhamento/ no de indivíduos no início do estudo.

22
Estudo de coorte

Um estudo em que um grupo de pessoas é exposto a um determi-

nado fator e é acompanhado ao longo de um período de tempo para
observar-se a ocorrência de um desfecho. Esse tipo de estudo é de-
morado e mais difícil de ser executado, pois corre o risco de perda de
indivíduos durante o acompanhamento.

Figura 2: Fonte: Giolo, S. R. (2017) 23

Estudo de coorte

Variável Y
Variável X Totais
Doente Não doente
Exposto n1+
Não Exposto n2+
Totais

Nesse estudo sabe-se inicialmente quais indivíduos estão ou não ex-

postos a determinado fator (n1+ e n2+ ), e observa-se ao longo do
tempo quais indivíduos irão apresentar o desfecho.

EXEMPLO PRÁTICO

24
Ensaio clínico aleatorizado

1. Estudo experimental e prospectivo;

2. Os participantes devem ter a mesma oportunidade de receber o
tratamento;
3. Os grupos devem ser os mais parecidos possíveis ;
4. É o padrão ouro em estudos que pretendem avaliar o efeito de
um tratamento em uma situação clínica.;
5. Permite eliminar diversos vieses, pois os grupos tratamento e
controle são alocados aleatoriamente.

25
Ensaio clínico aleatorizado

Ensaio clínico aleatorizado ou randomizado é um experimento, reali-

zado em geral com o objetivo de verificar, entre 2 ou mais tratamen-
tos, qual é o mais efetivo. A exposição aos tratamentos é aleatória,
ou seja, os indivíduos são escolhidos aleatoriamente.

Figura 3: Fonte: Giolo, S. R. (2017)

26
Ensaio clínico aleatorizado

Variável Y
Variável X Totais
Doente Não doente
Tratamento n1+
Controle n2+
Totais

Nesse estudo o perquisador divide os grupos entre os indivíduos que

irão receber o tratamento e os controles que não receberão (n1+ e
n2+ ), e observa-se ao longo do tempo quais indivíduos irão apresentar
o desfecho.

EXEMPLO PRÁTICO

27
Estudo Transversal

1. Estudo observacional ;
2. Os estudos transversais ou de prevalência têm por foco
populações bem definidas;
3. Tudo o que se observa é mensurado uma única vez, em um
tempo específico;
4. Mede a prevalência = Casos existentes da doença / População
5. Medida de associação: razão de prevalências = Prevalência
expostos / Prevalência não expostos

28
Estudo transversal

É um tipo de estudo observacional, também conhecido como cross-

sectional, em que os dados são levantados em um determinado ins-
tante de tempo (fotografia do momento), especificamente para a ob-
tenção de informações desejadas de grandes populações; São fáceis
e econômicos, com duração de tempo relativamente curta.

Figura 4: Fonte: Giolo, S. R. (2017) 29

Estudo transversal

Variável Y
Variável X Totais
j=1 j=2
i=1
i=2
Totais n

Nesse estudo n indivíduos são selecionados na amostra e as variáveis

de interesse são observadas.

EXEMPLO PRÁTICO

30
 Tabela 4: Vantagens e desvantagens dos tipos de estudos

Estudos Vantagens Desvantagens

Estatística e epidemiologicamente Grande potencial de vícios
mais eficiente quando os desfechos de seleção. Dificuldades
são raros. São rapidamente para a avaliação de
Caso-controle
executados em doenças com longos exposição uma vez que a
períodos de latência mesma ocorreu no passado
(tempo de reação). Baixo custo.
Fornecem uma boa visão do estado Apresentam custo elevado.
Coorte
basal das unidades. A seleção por Pouco adequado para
exposição é essencial para desfechos raros e com
ou
exposições raras. Pode-se estudar a período de latência longo.
associação de uma exposição com Potencial para perdas
longitudinais
diversos desfechos ou resposta. no seguimento.

31
 Tabela 5: Vantagens e desvantagens dos tipos de estudos

Estudos Vantagens Desvantagens

Controle sobre as variáveis;
Ensaio Clínico Baixo potencial para vícios de
seleção;
Diminuição do número de ensaios; Problemas de aplicação
ou Estudo de um número considerável de prática. Problemas éticos e
fatores;. no seguimento. custo elevado.
Detecção dos níveis ótimos;
Experimentais Melhoria da precisão dos resultados;
Otimização dos resultados.
Útil em estudos descritivos de
características clínicas e/ou Difícil determinar o que
prevalência de doenças na veio antes: exposição ou
Tranversais
comunidade (saúde pública). Fáceis desfecho.
de conduzir, rápidos e de baixo
custo.

32
Delineamentos amostrais
Revisão dos modelos probabilísicos

Assim como a distribuição normal tem um papel importante na aná-

lise de regressão para dados contínuos, as distribuições discretas são
fundamentais na análise de dados categorizados. Faz-se necessá-
rio, portanto, uma breverevisão destas distribuições de probabilidade
para a melhor compreensão dos esquemas amostrais para dados ca-
tegorizados.

34
Distribuição Binomial

Seja Y o número total de sucessos obtidos, na realização de n ensaios

de Bernoulli independentes. Diremos que Y segue uma distribuição
Binomial com parâmetros n e p e sua função de probabilidade é dado
por
 
n y
P(Y = y) = p (1 − p)n−y , y = 0, 1, · · · , n,
y

em que, um ensaio de Bernoulli é um experimento onde a v.a. assume

somente os valores 0 e 1, com probabilidade de sucesso igual a p.

35
Distribuição Multinomial

Suponha um experimento multinomial que consiste de n tentativas

independentes, e cada tentativa pode resultar em quaisquer dos k re-
sultados possíveis. Suponha, além disso, que cada resultado possível
possa ocorrer com probabilidades p1 , p2 , · · · , pk . Então a probabili-
dade do primeiro resultado possível acontecer n1 vezes, do segundo
resultado possível acontecer n2 vezes,· · · , e do k-ésimo resultado pos-
sível acontecer nk vezes é

n!
P(y1 = n1 , y2 = n2 , · · · , yk = nk ) = pn1 pn2 · · · pnk k ,
n1 !n2 ! · · · nk ! 1 2
Pk Pk
com i=1 pi = 1 e i=1 ni = n.

36
As características dos delineamento dos estudos quanto as tabelas
de contigência podem ser resumidas como:

• Estudo caso-controle: O número marginal de indivíduos n+j é fi-

xado;
• Estudo de coorte: O número marginal de indivíduos ni+ é fixado;
• Estudo ensaio clínico aleatori: O número marginal de indivíduos
ni+ é fixado;
• Estudo transversal: o número total de indivíduos n é fixado.

37
As características dos delineamento dos estudos quanto aos modelos
probabilísticos podem ser resumidas como:

• Estudo caso-controle: produto de binomiais

• Estudo de coorte: produto de binomiais
• Ensaio clínico aleatorizado: produto de binomiais
• Estudo transversal: Multinomial

38
Estudo caso-controle: produto de binomiais

Modelo produto de binomiais independentes é dado por:

2
" 2
#
Y Y (pi(j) )nij
P(N1 = n1 , N2 = n2 ) = (n+j )! ,
(nij )!
j=1 i=1

P2
em que i=1 pi(j) = 1, j = 1, 2 e pi(j) = P(X = i|Y = j) é a probabilidade
condicional de X = i dado que Y = j. O estimador de máxima verossi-
milhança para pi(j) dado por

p̂i(j) = Nij /n+j

39
Exemplo

Tabela 6: Estudo caso-controle

Câncer de esôfago
Consumo de Álcool Totais
Sim Não
Sim 96 109 205
Não 104 666 770
Totais 200 775 975

Fonte: Tuyns et al. (1977)

As estimativas de máxima verossimilhança para pi(j) = P(X = i|Y = j),

com i, j = 1, 2, são dadas por
96 104
p̂1(1) = = 0.48, p̂2(1) = = 0.52
200 200
109 666
p̂1(2) = = 0.14, p̂2(2) = = 0.86
775 775
40
Representação gráfica

Estudo Caso−controle

Expostos
Não expostos
Controles

0.14 0.86
Grupos

Casos

0.48 0.52

0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4

Proporções amostrais 41
Estudo de coorte: produto de binomiais

Modelo produto de binomiais independentes é dado por:

 
2
Y 2
Y (p(i)j )nij
P(N1 = n1 , N2 = n2 ) = (ni+ )! ,
(nij )!
i=1 j=1

P2
em que j=1 p(i)j = 1, i = 1, 2 e p(i)j = P(Y = j|X = i) é a probabilidade
condicional de Y = j dado que X = i. O estimador de máxima verossi-
milhança para p(i)j dado por

p̂(i)j = Nij /ni+

42
Exemplo

Tabela 7: Estudo de coorte

Desfecho
Exposto Totais
Sim Não
Sim 75 45 120
Não 21 56 77
Totais 96 101 197

Fonte: Giolo, S. R. (2017)

As estimativas de máxima verossimilhança para as p(i)1 = P(Y = 1|X =

i), com i = 1, 2, são dadas por
75 21
p̂(1)1 = = 0.625, p̂(2)1 = = 0.273
120 77
que são as incidências nos expostos e não expostos, respectivamente.
43
Representação gráfica

Doentes Sadios
Sadios Doentes
1.0

1.0
Proporções amostrais

Proporções amostrais
0.375
0.8

0.8
0.727
0.625
0.6

0.6
0.375 0.625 0.727
0.4

0.4
0.273
0.2

0.2 0.273
0.0

0.0

Sim Não Sim Não

Exposição ao fator Exposição ao fator 44

Ensaio clínico aleatorizado: produto de binomiais

Modelo produto de binomiais independentes é dado por:

 
2
Y 2
Y (p(i)j )nij
P(N1 = n1 , N2 = n2 ) = (ni+ )! 
(nij )!
i=1 j=1

O estimador de máxima verossimilhança para p(i)j dado por

p̂(i)j = Nij /ni+

45
Exemplo

Tabela 8: Ensaio clínico aleatorizado

Resposta
Medicamento Totais
Favorável Não favorável
Novo 29 16 45
Padrão 14 31 45
Totais 43 47 90

Fonte: Stokes et al. (2000)

As estimativas de máxima verossimilhança para pj|i = P(Y = j|X = i),

com i, j = 1, 2, são dadas por
29 16
p̂(1)1 = = 0.644, p̂(1)2 = = 0.356
45 45
14 31
p̂(2)1 = = 0.311, p̂(2)2 = = 0.689
45 45
46
Representação gráfica

Ensaio clínico aleatorizado

Não favorável
0.689 Favorável
Padrão

0.311
Medicamento

0.356
Novo

0.644

0.0 0.2 0.4 0.6 0.8 1.0

Proporções amostrais 47
Estudo transversal: Multinomial

Modelo produto de binomiais independentes é dado por:

2 Y
Y 2
(pij )nij
P(N = n) = n! ,
(nij )!
i=1 j=1

P2 P2
em que nij ≥ 0, i,j=1 nij = n e i,j=1 pij = 1. O estimador de máxima
verossimilhança para pij dado por

p̂ij = Nij /n

48
Exemplo

Tabela 9: Estudo transversal

Sintomas
Sexo Totais
Sim Não
Feminino 355 125 480
Masculino 410 190 600
Totais 765 315 1080

Fonte: Stokes et al. (2000)

As estimativas de máxima verossimilhança para pij = P(X = i, Y = j),

com i, j = 1, 2, são dadas por
355 125 41 19
p̂11 = = 0.33, p̂12 = = 0.12, p̂21 = = 0.38, p̂1|2 = = 0.18
1080 1080 108 108
em que a prevalência entre mulheres é de 355/480=0.74 e de 410/600=0.68
entre os homens.
49
Representação gráfica

1.0

Mulher com sintoma

Mulher sem sintoma
Homem com sintoma
0.8

Homem sem sintoma

Proporções amostrais

Mulher com
Mulher sem sintoma = 33%
0.6

sintoma = 11.6%

0.38
0.4

Homem sem
0.329 sintoma = 17.6%
Homem com
sintoma = 38%

0.176
0.2

0.116
0.0

50
Testes em tabelas de contingência
1. O tipo de teste depende do esquema de amostragem do estudo.
2. Se o total marginal de cada sub-população for fixo, ou seja, o
esquema de amostragem produto Binomial, então o teste de Ho-
mogeneidade será aplicado para testar se as sub-populações são
homogêneas.
3. Se o total geral (tamanho amostral n) for fixado, ou seja, o es-
quema de amostragem Multinomial, então o teste de indepen-
dência será aplicado para testar se se as variáveis são indepen-
dentes ou se existe associação entre as variáveis explicativa e
resposta.

52
Testes

• Teste de Homogeneidade: testa a afirmação de que diferentes

populações apresentam as mesmas proporções de determinadas
características.
• Teste de Independência: testa a hipótese nula de que a variável
linha e a variável coluna em uma tabela de contingência não es-
tão relacionadas, isto é, são independentes.

Observação: O teste Qui-quadrado de Pearson pode ser usado para os

dois tipos de testes, em que no teste de independência considera-se
apenas uma amostra e no teste de homegeneidade considera-se sub-
populações (as linhas por exemplo), ou seja, duas ou mais amostras.

53
Teste Qui-quadrado de Pearson

Fixando a categoria i, tem-se que ou o indivíduo está em j = 1 ou em

j = 2, em que p(i)j = P(Y = j|X = i) é a probabilidade de um indivíduo
pertencer a categoria j de Y, dado que está na categoria i de X.

Categorias de Y
Categorias de X Totais
j=1 j=2
i=1 p(1)1 p(1)2 1
i=2 p(2)1 p(2)2 1
Totais p+1 p+2

Neste caso os totais das linhas são fixos, logo a hipótese de homo-
geneidade é que o comportamento da variável X é homogêneo nas
subpopulações, que pode ser representada como
(
H0 : p(1)1 = p(2)1
H1 : p(1)1 ̸= p(2)1

54
Teste Qui-quadrado de Pearson

Esse teste compara as proporções das linhas. Se as proporções das

linhas são estatisticamente iguais, diz-se que as sub-populações (li-
nhas) são iguais, ou seja, independente do nível da variável explicativa
a proporção da variável Y não altera significativamente. A estatística
do teste observada proposta por Karl Pearson é dada por
2 X
X 2
(nij − eij )2
Q =
eij
i=1 j=1

(ni+ )(n+j )
em que eij = n são as estimativas de E(Nij ).

55
Teste Qui-quadrado de Pearson

1. Para um caso geral de uma tabela com r linhas e c colunas a

estatística Qui-quadrado de Pearson, sob H0 , tem distribuição
aproximadamente Qui-quadrado com (r − 1)(c − 1) graus de
liberdade.
2. Para uma tabela de contingência 2 × 2 a estatística do teste
Qui-quadrado de Pearson tem 1 grau de liberdade.
3. Para que esta aproximação seja razoável os valores de eij não
devem ser pequenos (< 5).

56
Exemplo

Tabela 10: Ensaio clínico aleatorizado

Resposta
Medicamento Totais
Favorável Não favorável
Novo 29 16 45
Padrão 14 31 45
Totais 43 47 90

Fonte: Stokes et al. (2000)

Os valores esperados são

45 × 43 45 × 47
e11 = e21 = = 21.5, e12 = e22 = = 23.5,
90 90
logo, o valor da estatística de teste é
(29 − 21.5)2 (16 − 23.5)2 (14 − 21.5)2 (31 − 23.5)2
Qp = + + + = 10.0198
21.5 23.5 21.5 23.5
57
Exemplo

1. Para uma tabela de contingência 2 × 2 a estatística do teste

Qui-quadrado de Pearson tem 1 grau de liberdade;
2. Para um nível de 5% de significância rejeita-se H0 , pois
P(χ2 > 10.0198) = 0.0015

0.15
0.00

2 4 6 8 10

58
Teste Qui-quadrado de Pearson

Quando fixa-se a categoria j, tem-se que ou o indivíduo está em i = 1

ou em i = 2, em que pi(j) = P(X = i|Y = j) é a probabilidade de um
indivíduo pertencer a categoria i de X, dado que está na categoria j de
Y.

Categorias de Y
Categorias de X Totais
j=1 j=2
i=1 p1(1) p1(2) p1+
i=2 p2(1) p2(2) p2+
Totais 1 1

59
Teste Qui-quadrado de Pearson

Neste caso os totais das colunas são fixos, logo a hipótese de homo-
geneidade é que o comportamento da variável Y é homogêneo nas
subpopulações, que pode ser representada como
(
H0 : p1(1) = p1(2)
H1 : p1(1) ̸= p1(2)

A estatística de teste Qp é similar ao caso anterior, onde os totais

das linhas são fixos. O que muda neste caso é a interpretação do
resultado, pois nesse teste compara-se as proporções das colunas,
ou seja, se as proporções não diferem estatisticamente, pode-se dizer
que a mudança no nível de Y não interfere nas proporções em X.

60
Exemplo

Tabela 11: Estudo caso-controle

Câncer de esôfago
Consumo de Álcool Totais
Sim Não
Sim 96 109 205
Não 104 666 770
Totais 200 775 975

Fonte: Tuyns et al. (1977)

Exercício
Calcular a estatística do teste Qui-quadrado de Pearson e testar a
hipótese de homogeneidade com um nível de 1% de significância.

61
Teste Qui-quadrado de Pearson

Quando o total geral n é fixado, a hipótese nula é que X é indepen-

dente de Y, o que pode ser representada por
(
H0 : pij = (pi+ )(p+j ) i = 1, 2
H1 : pij ̸= (pi+ )(p+j ) para pelo menos um par(i, j)

Neste caso o teste é feito sobre as probabilidades conjuntas (propor-

ções amostral), ou seja, se

pij = P(X = i, Y = j) = P(X = i)P(Y = j) = pi+ p+j

estatisticamente, diz-se que a variável X é independente da variável

Y. A estatítica utilizada para esse teste é a mesma utilizada nos casos
anteriores.

62
Exemplo

Tabela 12: Estudo transversal

Sintomas
Sexo Totais
Sim Não
Feminino 355 125 480
Masculino 410 190 600
Totais 765 315 1080

Fonte: Stokes et al. (2000)

Exercício
Calcular a estatística do teste Qui-quadrado de Pearson e testar a
hipótese de independência com um nível de 5% de significância.

63
Limitações do teste Qui-quadrado

• Os testes vistos são aplicados sem restrição se todas as freqüên-

cias esperadas forem maiores do que 5;
• Quando o grau de liberdade for igual a 1, cada freqüência espe-
rada não deve ser inferior a 5;
• Quando o grau de liberdade for maior do que 1, o teste qui-
quadrado não deve ser usado se mais de 20% das freqüências
esperadas forem inferiores a 5 ou se qualquer freqüência espe-
rada for inferior a 1.
• Os testes somente devem ser aplicados aos dados observados
e nunca com as proporções ou porcentagens oriundas dos mes-
mos.

64
Limitações do teste Qui-quadrado

• Quando o tamanho da amostra é pequeno, pode-se realizar in-

ferências usando a distribuição exata ao invés da aproximação
garantida para grandes amostras.
• Para mais detalhes ver [Cochran, 1952], [Cochran, 1954], [Koehler,
1998] e [Agresti, 2007].
• Um procedimento alternativo, devido a Fisher (1934) e Irwin (1935),
restringe a atenção às tabelas 2x2 nas quais as freqüências mar-
ginais n1+ , n2+ , n+1 e n+2 são fixadas nos valores observados. Este
teste é chamado de Teste Exato de Fisher.

65
Teste exato de Fisher

1. O teste exato de Fisher serve para testar a hipótese de que duas

variáveis, apresentadas em uma tabela 2 × 2, estão associadas.
2. O teste consiste em determinar a probabilidade exata de
ocorrência de uma frequência observada, ou de valores mais
extremos.

66
Teste exato de Fisher

Tabela 13: Tabela de Contingência 2 × 2

Categorias da variável Y
Categorias da variável X Totais
j=1 j=2
i=1 n11 n12 n1+
i=2 n21 n22 n2+
Totais n+1 n+2 n++ = n

67
Teste exato de Fisher

1. Quando os totais marginais de linhas e colunas são conhecidos,

o valor de n11 determina as frequências das outras três caselas;
2. A distribuição de probabilidades hipergeométrica expressa as
probabilidades para as quatro frequências das caselas em
função de n11

! !
n1+ n2+
n11 n+1 − n11 = n21 n1+ !n2+ !n+1 !n+2 !
P(n11 ) = ! =
n n!n11 !n12 !n21 !n22 !
n+1

3. Para testar a independência, o p-valor é a soma das

probabilidades hipergeométricas para resultados pelo menos
tão extremos para a hipótese alternativa quanto o resultado
observado.
68
Exemplo

1. Um estudo foi realizado para verificar a existência de associação

entre o tipo de tratamento e mortalidade por AIDS;
2. H0 : Não existe associação entre o tipo de tratamento e
mortalidade por AIDS.
3. H1 : Existe associação entre o tipo de tratamento e mortalidade
por AIDS.
Óbito
Tratamento Totais
Sim Não
A 7 5 12
B 1 9 10
Totais 8 14 22

69
Exemplo

! !
12 10
7 8-7=1 12!10!8!14!
P(7) = ! = = 0.0248
22 22!7!5!1!9!
8

O caso possível de uma situação mais extrema que n11 = 7 seria n11 =
8, logo teríamos a seguinte configuração

Óbito
Tratamento Totais
Sim Não
A 8 4 12
B 0 10 10
Totais 8 14 22

70
Exemplo

Nessa configuração mais extrema teríamos que

! !
12 10
8 8-8=0 12!10!8!14!
P(8) = ! = = 0.0015
22 22!8!4!0!10!
8

Portanto o p-valor para o teste unilateral é P(7) + P(8) = 0.02632,

ou seja, há evidências para rejeitar H0 com 5% de significância, apon-
tando para uma associação entre o tipo de tratamento e mortalidade
por AIDS. Nesse caso o tratamento B é mais eficaz.

71
Medidas de associação
Medidas de associação

Os testes de associação fornecem uma indicação da presença ou não

de uma associação entre duas variáveis, mas por si só não acrescen-
tam informação a respeito de questões de grande interesse prático
como, por exemplo, avaliar o grau de intensidade desta associação.
Veremos duas medidas que permitem mensurar o grau de associação:

1. Risco relativo (RR)

2. Razão de chances - odds ratio (OR)

73
Risco relativo (RR)

Em uma tabela de contingência 2 × 2 o risco relativo é razão das pro-

babilidades de sucesso para dois grupos.

Exemplo

Evento de interesse
Status de exposição
Sim Não Totais
Exposto 80 20 100
Não exposto 25 75 100
Totais 105 95 200

p(1)1 0, 80
RR = = = 3, 2
p(2)1 0, 25
Observação: Um RR = 1 ocorre quando p(1)1 = p(2)1 , ou seja, a pre-
sença do evento de interesse não está associada aos grupos.
74
Interpretação

• Se RR = 1, a probabilidade de sucesso não difere entre os indiví-

duos dos grupos.
• Se RR > 1, a probabilidade de sucesso é maior para os indivíduos
do primeiro grupo.
• Se RR < 1, a probabilidade de sucesso é maior para os indivíduos
do segundo grupo.

Observação: Essa medida de associação é aplicada à estudos longi-

tudinais (Coorte e ensaio clínico).

75
O intervalo de confiança para o RR com (1 − α)100% de confiança
é usualmente feito em escala logarítmica, pois nesta escala a razão
converge mais rapidamente para a distribuição Normal. Logo, temos
que s !
c 1 − p(1)1 1 − p(2)1
IC = exp log(RR) ± z α2 +
(n1+ )p(1)1 (n2+ )p(2)1

em que, zα/2 representando o valor de Z, uma v.a. normal padrão, tal

que P(Z > zα/2 ) = α/2.

76
Razão de chances (OR)

A chance de ocorrêcia do evento de interesse entre os expostos é

p p(1)1
dada pela razão 1−p(1)1(1)1 = p(1)2 , e a chance de ocorrêcia do evento de
p(2)1 p(2)1
interesse entre os não expostos é dada pela razão 1−p(2)1 = p(2)2 . temos
que a razão de chances é dada por

p(1)1 /p(1)2
OR = .
p(2)1 /p(2)2

Podemos estimar OR pela seguinte expressão

c = n11 n22
OR
n12 n21

77
Utlizado o exemplo anterior temos

Exemplo

Evento de interesse
Status de exposição
Sim Não Totais
Exposto 80 20 100
Não exposto 25 75 100
Totais 105 95 200

c = 80 × 75 = 12
OR
20 × 25

Chance de ocorrêcia do evento de interesse para os expostos: 0.8

0.2 = 4
0.25
Chance de ocorrêcia do evento de interesse para os expostos: 0.75 = 31
4
A razão de chances é dada por 1/3 = 12

78
Interpretação

• Se OR = 1, a chance de sucesso não difere entre os indivíduos

dos grupos.
• Se OR > 1, a chance de sucesso é maior para os indivíduos do
primeiro grupo.
• Se OR < 1, a chance de sucesso é maior para os indivíduos do
segundo grupo.

Observação: Para o estudo caso-controle, em que os totais das co-

p1(1) /p2(1)
lunas são fixos, OR = p1(2) /p2(2)

79
O intervalo de confiança para OR com (1−α)100% de confiança é dado
por !
r
c ± zα 1 1 1 1
IC = exp log(OR) + + +
2
n11 n12 n21 n22

em que, zα/2 representando o valor de Z, uma v.a. normal padrão, tal

que P(Z > zα/2 ) = α/2.

80
Observação

As medidas de associação RR e OR não são apropriadas aos estudos

transversais. Nestes casos é comum o uso de uma medida chamada
prevalência, em que

• prevalência é a proporção de indivíduos que estão doentes em

um determinado tempo específico (época da realização do es-
tudo).
• Nesses estudos também utiliza-se a razão de prevalências (RP),
dada por
c = n11 /n1+
RP
n21 /n2+

81
As hipóteses dos testes também podem ser feitas em função do risco
relativo (RR) e da razão de chances (odds ratio OR). Para estudo de
coorte e ensaio clínico aleatorizado temos que

H0 : p(1)1 = RR = 1
p(2)1
H1 : RR ̸= 1

em que, se RR = 1 conclui-se que os riscos (probabilidades) dos indi-

víduos, que estão em categorias diferentes de X, estarem na categoria
j = 1 são iguais. Quando RR > 1 o risco é maior para o indivíduo da
primeira categoria (i = 1) e para RR < 1 acontece o contrário.

82
Em termos de razão de chances temos a seguinte hipótese

H0 : p(1)1 ×p(2)2 = OR = 1
p(1)2 ×p(2)1
H1 : OR ̸= 1

A interpretação para esta hipótese é que, se OR = 1 a chance dos indi-

víduos que estão em categorias diferentes de X estarem na categoria
j = 1 são iguais. Quando OR > 1 a chance é maior para o indivíduo da
primeira categoria (i = 1) e para OR < 1 acontece o contrário. Note
que chance é diferente de probabilidade.

83
• Para estudos do tipo caso-controle o risco relativo não se aplica,
logo utiliza-se apenas a razão de chances para obter informação
da intensidade de associação entre as variáveis.

p1(1) /p2(1)
OR =
p1(2) /p2(2)

• A interpretação para esse tipo de estudo é tal que se OR = 1 a

chance de exposição ao fator é igual entre os casos e os controles.
Quando OR > 1 a chance de exposição ao fator é maior para
os casos do que para os controles e para OR < 1 acontece o
contrário.
• Em estudos de doenças raras, quando a probabilidade de casos
(sucesso) é pequena, OR ≈ RR.

84
• Nos estudos transversais o risco relativo e a razão de chances não
são indicados.
• Nesses estudos se analisa a prevalência - proporção de indiví-
duos que estão doentes na época do estudo.
• Na pratica é possível utilizar OR com alguma restrição, sendo
c = n11 n22 /n12 n21 .
OR
• A razão de prevalência nesses estudos é dada por

c = n11 /n1+
RP
n21 /n2+

85
Tabelas de contingência r × c
Testes em tabelas r × c

1. Para um caso geral de uma tabela com r linhas e c colunas a

estatística Qui-quadrado de Pearson, sob H0 , tem distribuição
aproximadamente Qui-quadrado com (r − 1)(c − 1) graus de
liberdade;
2. Uma estatística alternativa para testar H0 resulta do Método da
Razão de Verossimilhança que também tem distribuição
aproximadamente Qui-quadrado com (r − 1)(c − 1) graus de
liberdade em tabela r × c;
3. A estatística de Pearson é a mais conhecida e utilizada para
testes em tabelas de contingência.

87
Estatística de teste de Pearson

A estatística de teste observada proposta por Karl Pearson para tabe-

las r × c é dada por
r X
X c
(nij − eij )2
Qp =
eij
i=1 j=1

(n )(n )
em que eij = i+ n +j são as estimativas de E(Nij ) e tem Qp distribuição
aproximadamente Qui-quadrado com (r − 1)(c − 1) graus de liberdade;

88
Estatística da razão de verossimilhança

Uma estatística alternativa para testar H0 resulta do Método da Razão

de Verossimilhança. O teste determina os valores do parâmetro que
maximizem a função de verossimilhança sob a suposição de H0 ver-
dadeira. Determina também que valores a maximizam sob a condição
da hipótese alternativa H1 . O teste baseia-se na razão das verossimi-
lhanças maximizadas

função de verossimilhança sob H0

Λ =
função de verossimilhança irrestrita

Esta razão não pode exceder 1. Se a verossimilhança maximizada é

muito grande para H1 , então Λ é muito menor que 1 e existe forte
evidência contra H0.

89
Estatística da razão de verossimilhança

Um resultado assintótico garante que a estatística

−2log(Λ) ∼ χ2(1)

Para tabelas de contigência 2 × 2 temos que a estatística do teste é

2 X
X 2  
eij
QRV = −2 nij log ∼ χ2(1)
nij
i=1 j=1

Em geral, para tabelas com r linhas e c colunas a estatística

r X
X c  
eij
QRV = −2 nij log
nij
i=1 j=1

tem distribuição aproximadamente Qui-quadrado com (r − 1)(c − 1)

graus de liberdade.
90
Exemplo 1

Deseja-se testar, ao nível de significância de 5%, a associação entre

sexo e filiação partidária. A pesquisa foi feita com 980 eleitores ame-
ricanos. Os indivíduos foram classificados segundo sua identificação
com o partido Democrático, Republicano ou Independente

Partido
Sexo
Democrata Independente Republicano Totais
Feminino 279 73 225 577
Masculino 165 47 191 403
Totais 444 120 416 980

91
Exemplo 2

Um estudo com 200 crianças foi feito para avaliar se o motivo que leva
uma criança a brincar está ligado à faixa etária.

Faixa etária
Motivo
Até 6 anos Mais de 6 anos Totais
O tamanho do brinquedo 61 43 104
As cores 14 4 18
Por ser um castelo 28 21 49
Outras crianças 4 6 10
Outros motivos 5 14 19
Totais 112 88 200

92
Observação

• Quando se faz testes de associação e a conclusão aponta para

a existência de associação entre as variáveis estudadas, não se
sabe quais categorias das variáveis estão associadas entre si, com
isso, é necessário utilizar a análise de correspondência para a
identificação dessas associações.

93
Observação

• Quando se faz testes de associação e a conclusão aponta para

a existência de associação entre as variáveis estudadas, não se
sabe quais categorias das variáveis estão associadas entre si, com
isso, é necessário utilizar a análise de correspondência para a
identificação dessas associações.
• A análise de correspondência é uma técnica gráfica que ajuda a
identificar as categorias que estão associadas. O objetivo desta
técnica é mostrar geometricamente as variáveis e suas catego-
rias em um espaço de baixa dimensão, com o intuito de indicar
associação entre as linhas e colunas da tabela (MINGOTI, 2005).

93
Observação

• Quando se faz testes de associação e a conclusão aponta para

a existência de associação entre as variáveis estudadas, não se
sabe quais categorias das variáveis estão associadas entre si, com
isso, é necessário utilizar a análise de correspondência para a
identificação dessas associações.
• A análise de correspondência é uma técnica gráfica que ajuda a
identificar as categorias que estão associadas. O objetivo desta
técnica é mostrar geometricamente as variáveis e suas catego-
rias em um espaço de baixa dimensão, com o intuito de indicar
associação entre as linhas e colunas da tabela (MINGOTI, 2005).
• Essa análise apenas é utilizada quando a hipótese nula é rejei-
tada, com isso, podem-se encontrar as associações, para mais
detalhes ver Mingoti (2005).

93
Exemplo

Em estudo transversal foram entrevistados 1320 consumidores de apa-

relhos de som e duas variáveis foram observadas: marca do som e
principal motivo da compra. Os dados estão na tabela abaixo:

Motivo
Marca
Qual. Tecno. Poten. Recursos Preço Conf. Totais
Sony 135 140 95 55 40 60 525
Aiwa 50 115 40 60 5 15 285
Gradiente 90 55 20 35 40 10 250
Philips 60 25 35 10 5 30 165
Sharp 30 20 5 10 10 20 95
Totais 365 355 195 170 100 135 1320

94
Teste de independência no R

Pearson's Chi-squared test

data: dados
X-squared = 179.62, df = 20, p-value < 2.2e-16

• Logo rejeita-se a hipótese nula, com 5% de significância, de que

as variáveis são independentes, ou seja, existe associação entre
o motivo da compra e a marca do som.
• Para visualizar a associação nos níveis das variáveis podemos
utilizar a técnica de análise de correspondência.
• Outra maneira de identificar os níveis associados é utilizar
modelos lineares generalizados para dados categorizados.

95
Análise gráfica

Preço

Gradiente
0.4
componente 2

0.2

Recursos
Qualidade
Tecnologia Sharp
−0.2 0.0

Aiwa
Sony

Potência
Philips
confiança

−0.5 0.0 0.5

componente 1

96
Análise estratificada

• Na análise de dados categóricos para avaliar a associação entre

variáveis é possível que haja a interferência de variáveis de
confundimento;
• Dessa forma é necessário que se considere o efeito de possíveis
variáveis interferentes;
• Uma forma de considerar esse efeito é através da análise
estratificada;
• Nessa análise os dados são estratificados pelas categorias
dessa variável interferente.

97
Análise estratificada

• Um exemplo de estudo em que existe uma variável de

confundimento é dado a seguir:
• Quando pretende-se avaliar a associação entre o status de
fumante e o câncer de pulmão, é importante considerar se os
que não se declaram fumantes são fumantes passivos;
• Pois os efeitos do fumo podem estar presentes nos fumantes
passivos;
• Dessa forma é interessante extratificar pelas categorias dessa
variável interferente;
• Uma maneira de identificar se a variável é realmente
interferente é comparando as medidas de associação entre
análise sem estratificação com as medidas de associação dos
estratos;
• Se essas medidas forem próximas há evidências de que não
existe interferência dessa variável considerada.
98
Teste de Cochran-Mantel-Haenszel

• Esse teste foi proposta por Mantel e Haenszel (1959) que por sua
vez tiveram como base a estatística proposta por Cochran (1954),
daí o nome.
• Esse teste se baseia nas tabelas para cada estrato (h = 1, . . . , q),
em que a h-ésima tabela 2 × 2 é dada por:
Variável Y
Variável X
j=1 j=2 Totais
i=1 nh11 nh12 nh1+
i=2 nh21 nh22 nh2+
Totais nh+1 nh+2 nh

99
Teste de Cochran-Mantel-Haenszel

• A estatística proposta por Mantel e Haenszel (1959) para testar

associação entre X e Y considerando uma variável interferente é
dada por:
Pq Pq
2
h=1 nh11 − h=1 eh11
QCMH = Pq ,
h=1 vh11
em que
Pq
• sob H0 e para h=1 nh suficientemente grande QCMH ∼ χ2(1) ;
• nh11 é a frequência da primira linha e primeira coluna da
h-ésima tabela 2 × 2;
• eh11 é o valor esperado da v.a hipergeométrica Nh11 dado
nh , nh1+ , nh+1 , dado por eh11 = (nh1+n)(n
h
h+1 )
;
• vh11 é a variância da v.a hipergeométrica Nh11 dado nh , nh1+ , nh+1 ,
dado por vh11 = (nh1+ )(n h2+ )(nh+1 )(nh+2 )
(nh )2 (nh −1) .

100
Teste de Cochran-Mantel-Haenszel

• Se as razões de chances dos estratos forem homogêneas, é

possível estimar a razão de chances comum por:
Pq nh11 nh22
c
ORMH = P
h=1 nh
q nh12 nh21
h=1 nh

• Uma maneira de testar a homogeneidade das razões de chances

é através da estatística proposta por Breslow-Day, disponível
para q estratos de tabelas 2 × 2.
• Nesse Teste de Breslow-Day, a hipótese nula é que as razões de
chence são homogêneas e a estatística é aproximadamente
χ2(q−1) .

101
Teste de Cochran-Mantel-Haenszel

Exemplo

Resposta
Centro Medicamento
Favorável Não Favorável Totais
Novo 29 16 45
Centro 1
Padrão 14 31 45
Totais 43 47 90
Novo 37 8 45
Centro 2
Padrão 24 21 45
Totais 61 29 90

Nota-se inicialmente que as razões de chances dos estratos são bem

c 1 = 4.0134 e OR
próximas, com OR c 2 = 4.0469

102
Teste de Cochran-Mantel-Haenszel

Saída no R

Portanto, há associação entre a resposta do paciente e o tipo de me-

dicamento, mesmo considerando o centro médico.
103
Medidas para dados relacionados
Medidas para dados relacionados

Dados em que as infomações são pareadas podem ser encontrados

em várias situações, como por exemplo:

• Estudos de antes e depois;

• Estudos de acurácia;
• Estudos de concordância.

Quando esses dados podem ser apresentados em tabelas de conti-

gência, temos algumas medidas que podem ser úteis para mensurar
a acurácia e a concordância.

105
Medidas de acurácia

1. Para avaliar se um teste laboratorial com dois possíveis

diagnósticos é acurado, geralmente são utilizadas as medidas
de sensibilidade e especificidade;
2. Sensibilidade: é a proporção de verdadeiros positivos (VP);
3. Especificidade: é a proporção de verdadeiros negativos (VN);
4. Para que um teste ou exame seja acurado precisa ter a
capacidade tanto de indentificar os casos positivos , quanto os
negativos.

106
Medidas de acurácia

Podemos resumir as informações de um estudo de acurácia de um

exame com dois possíveis diagnósticos na seguinte tabela 2 × 2

Status real
Resultado
Positivo Negativo Totais
Positivo VP = n11 FP = n12 n1+
Negativo FN = n21 VN = n22 n2+
Totais n+1 n+2 n

107
Medidas de acurácia

Os estimadores de máxima verossimilhança para as medidas de sen-

sibilidade e especificidade são dados respectivamente por:

VP
p̂VP =
VP + FN
e
VN
p̂VN =
FP + VN
Com seus respecitivos intervalos de confiança de (1 − α)100%, dados
por: s
p̂VP (1 − p̂VP )
p̂VP ± zα/2
n+1 − 1
e s
p̂VN (1 − p̂VN )
p̂VN ± zα/2
n+2 − 1

108
Exemplo

Para os dados de um estudo de acurácia para diagnóstico de câncer

de pele, temos a seguinte tabela

Status real
Resultado
Positivo Negativo Totais
Positivo VP = n11 = 52 FP = n12 = 20 n1+ = 72
Negativo FN = n21 = 8 VN = n22 = 100 n2+ = 108
Totais n+1 = 60 n+2 = 120 n = 180

sensibilidade = 52/60 = 0.8667

especificidade = 100/120 = 0.8333
IC(sensibilidade, 95%) = (0.7799; 0.9534)
IC(especificidade, 95%) = (0.76640.9003)

109
Medida de concordância

• Uma situação clássica onde é importante medir a concordância,

é quando se deseja investigar se avaliadores apresentam
habilidades similares;
• Isso acontece porque diferentes avaliadores podem classificar o
mesmo objeto distintamente;
• Uma maneira de comparar as avaliações é cruzando em uma
tabela r × r os resultados dos dois avaliadores, em que r é o
número de categorias da variável resposta;
• Uma medidad muito conhecida para medir a concordância é o
coeficiente kappa, que foi proposta por Cohen(1960).

110
Medida de concordância

O coeficiente kappa é dado por:

Pr Pr
i=1 pii − i=1 pi+ p+i
κ= Pr
1 − i=1 pi+ p+i
em que

• pii é a probabilidade de ambos avaliadores classificarem na

mesma categoria i ;
Pr
• i=1 pi+ p+i é a probabilidade de concordância sob
H0 : pij = pi+ p+i ;
• κ = 1 quando a concordância é perfeita;
• κ = 0 quando a concordância é for igual H0 .

111
Medida de concordância

Um estimados por coeficiente κ é

Pr Pr
i=1 Nii /n − i=1 (Ni+ /n)(N+i /n)
κ̂ = Pr
1 − i=1 (Ni+ /n)(N+i /n)

Exemplo
Dois neurologistas classificaram 149 pacientes em 4 estágios de escle-
rose múltipla, sendo a classe 1 = estágio inicial e a classe 4 = estágio
mais avançado. Os dados estão na tabela abaixo:
Neurologista 2
Neurologista 1
Estágio 1 Estágio 1 Estágio 3 Estágio 4 Totais
Estágio 1 38 5 0 1 44
Estágio 2 33 11 3 0 47
Estágio 3 10 14 5 6 35
Estágio 4 3 7 3 10 23
Totais 84 37 11 17 149

112
MLG
Modelos lineares generalizados

• Os Modelos Lineares Generalizados (MLGs) foram propostos por

Nelder e Wedderburn (1972) e são uma extensão dos modelos
normais lineares.

114
Modelos lineares generalizados

• Os Modelos Lineares Generalizados (MLGs) foram propostos por

Nelder e Wedderburn (1972) e são uma extensão dos modelos
normais lineares.
• O objetivo principal é ampliar as opções para a distribuição da
variável resposta, permitindo que a mesma pertença à família
exponencial de distribuições.

114
Modelos lineares generalizados

• Os Modelos Lineares Generalizados (MLGs) foram propostos por

Nelder e Wedderburn (1972) e são uma extensão dos modelos
normais lineares.
• O objetivo principal é ampliar as opções para a distribuição da
variável resposta, permitindo que a mesma pertença à família
exponencial de distribuições.
• A relação funcional entre a média da variável resposta µ e o pre-
ditor linear η = Xβ é mais flexível, em que β = (β1 , · · · , βp )⊤
(p < n), X = (x1 , · · · , xp ) .

114
Modelos lineares generalizados

• Os Modelos Lineares Generalizados (MLGs) foram propostos por

Nelder e Wedderburn (1972) e são uma extensão dos modelos
normais lineares.
• O objetivo principal é ampliar as opções para a distribuição da
variável resposta, permitindo que a mesma pertença à família
exponencial de distribuições.
• A relação funcional entre a média da variável resposta µ e o pre-
ditor linear η = Xβ é mais flexível, em que β = (β1 , · · · , βp )⊤
(p < n), X = (x1 , · · · , xp ) .
• A função de ligação g(µ) entre a média e o preditor linear não é
necessariamente a identidade, podendo assumir qualquer forma
monótona não-linear, sendo esta diferenciável.

114
Modelos lineares generalizados

• O método utilizado para estimar os parâmetros β1 , · · · , βp é o mé-

todo de máxima verossimilhança, sendo l(β, y) o logaritmo da
função de verossimilhança de um MLG e β̂ o estimador de má-
xima verossimilhança de β.

115
Modelos lineares generalizados

• O método utilizado para estimar os parâmetros β1 , · · · , βp é o mé-

todo de máxima verossimilhança, sendo l(β, y) o logaritmo da
função de verossimilhança de um MLG e β̂ o estimador de má-
xima verossimilhança de β.
• De maneira geral, uma distribuição é dita ser da família exponen-
cial se sua densidade pode ser escrita na seguinte forma

f(y; θ, ϕ) = exp{[yθ − b(θ)]/a(ϕ) + c(y, ϕ)},

em que a(·), b(·) e c(·) são funções conhecidas, θ o parâmetro

natural e ϕ o parâmetro de escala.

115
Modelos lineares generalizados

• O método utilizado para estimar os parâmetros β1 , · · · , βp é o mé-

todo de máxima verossimilhança, sendo l(β, y) o logaritmo da
função de verossimilhança de um MLG e β̂ o estimador de má-
xima verossimilhança de β.
• De maneira geral, uma distribuição é dita ser da família exponen-
cial se sua densidade pode ser escrita na seguinte forma

f(y; θ, ϕ) = exp{[yθ − b(θ)]/a(ϕ) + c(y, ϕ)},

em que a(·), b(·) e c(·) são funções conhecidas, θ o parâmetro

natural e ϕ o parâmetro de escala.
• Tem-se que o logaritmo da função de verossimilhança de um MLG
é dado por
n
X [yi θ − b(θ)]
l(β, y) = + c(yi , ϕ)
a(ϕ)
i=1

115
Modelos lineares generalizados

• A componente sistemática dos MLG é dada por

η = Xβ

116
Modelos lineares generalizados

• A componente sistemática dos MLG é dada por

η = Xβ

• Para modelos em que a distribuição da variável resposta pertence

a família exponencial de distribuições, tem-se as seguintes rela-
ções:

E(y) = µ = b′ (θ), Var(y) = a(ϕ)V,

em que V = b′′ (θ) = dµ/dθ é denominada função de variância.

Exercício: Colocar as distribuições Normal, Binomial e Poisson na

forma da família exponencial de distribuições em MLG.

116
Ligações canônicas

• Modelo Normal : µ = η

117
Ligações canônicas

• Modelo Normal : µ = η
• Modelo Poisson : log(µ) = η

117
Ligações canônicas

• Modelo Normal : µ = η
• Modelo Poisson : log(µ) = η
h i
• Modelo Binomial : log 1−µ
µ
=η

117
Ligações canônicas

• Modelo Normal : µ = η
• Modelo Poisson : log(µ) = η
h i
• Modelo Binomial : log 1−µ
µ
=η
• Modelo Gama : µ−1 = η

117
Ligações canônicas

• Modelo Normal : µ = η
• Modelo Poisson : log(µ) = η
h i
• Modelo Binomial : log 1−µ
µ
=η
• Modelo Gama : µ−1 = η
• As ligações canônicas garantem a concavidade de l(β; y) , isto é,
garantem a unicidade da estimativa de máxima verossimilhança
de β , quando essa existe e, consequentemente, muitos resulta-
dos assintóticos são obtidos mais facilmente.

117
Ajuste de um MLG

• O teste da razão de verossimilhança (TRV) é feito baseado na se-

guinte estatística:
 
verossimilhança do modelo sem covariáveis
TRV = −2 log
verossimilhança do modelo com covariáveis

• A estatística TRV ∼ χ2p

• A hipótese nula desse teste é que todos os coeficientes da re-
gressão são nulos;
• A hipótese alternativa é que pelo menos um dos coeficientes β
seja diferente de zero.
• Para testar os coeficientes individualmente pode-se utilizar a es-
tatística de Wald, dada por β̂k /σ(β̂k ), para k = 0, 1, . . . , p.

118
Ajuste de um MLG

• A estatística deviance pode ser expressa como

 
verossimilhança do modelo proposto
D = −2 log
verossimilhança do modelo saturado

• Para modelos encaixados, a deviance pode ser entendida como

uma medida de discrepância do modelo, ou seja, quanto maior
D maior a diferença do modelo saturado em relação ao modelo
proposto.

119
Ajuste de um MLG

• A análise de deviance (ANODEV) é uma generalização da análise

de variância para os MLGs.

Modelo g.l. Deviance TRV Diferença de g.l.

Nulo ng − 1 DN

X1 ng − 2 DX1 DN − DX1
1

X2 |X1 ng − 3 DX1 ,X2 DX1 − DX1 ,X2 1

1
X3 |X2 , X1 ng − 4 DX1 ,X2 ,X3 DX1 ,X2 − DX1 ,X2 ,X3

Obs: O no de decomposições possíveis aumenta com o no de co-

variáveis.
• A partir dessa análise é possível comparar modelos testando se
a inclusão de determinada covariável é significativa
120
Métodos de diagnóstico de um MLG

Os métodos de diagnóstico para um MLG são feitos para verificar se

há afastamentos sérios das suposições feitas para o modelo (distri-
buição da variável resposta e independência entre as observações) e
para detectar observações atípicas que destoam do conjunto de da-
dos. Essas obsevações atípicas podem ser classificadas como:

121
Métodos de diagnóstico de um MLG

Os métodos de diagnóstico para um MLG são feitos para verificar se

há afastamentos sérios das suposições feitas para o modelo (distri-
buição da variável resposta e independência entre as observações) e
para detectar observações atípicas que destoam do conjunto de da-
dos. Essas obsevações atípicas podem ser classificadas como:

• Pontos aberrantes: pontos mal ajustados com resíduos grandes;

• Pontos de alavanca: pontos posicionados em regiões remotas
com alta influência no próprio valor ajustado;
• Pontos de influência: pontos com influência desproporcional nas
estimativas dos coeficientes.

121
Comparação de modelos

Existem alguns critérios que ajudam a comparar modelos, dentre eles

destaca-se

• Critério de informação de Akaike (AIC);

• Esse critério seleciona o modelo que minimiza a seguinte
equação:
AIC = −2l(θ̂) + 2p
em que, l(θ̂) é o logaritmo da função de verossimilhança do
modelo de regressão com p coeficientes do modelo.

122
Regressão logística

• Quando a variável resposta é dicotômica a regressão binomial

pode ser utilizada para modelar a associação de Y com as
variáveis explicativas;
• As variáveis explicativas podem ser categóricas ou contínuas;
• Nesse caso modelamos a probabilidade de sucesso, pois
P(Y = 1|x) = E(Y|x) = µ.
• A relação entre E(Y|x) e x não é linear, mas segue a forma de S
(sigmoide), com E(Y|x) pertencente ao intervalo [0, 1].
0.0 0.2 0.4 0.6 0.8 1.0
E(Y|x)

−10 −5 0 5 10

x
123
Regressão logística

• Para ligar a média da variável resposta ao preditor linear

podemos utilizar a função de ligação logito, dada por:
 
µ
log = β 0 + β 1 x1 + · · · β p xp
1−µ

• Nesse caso,

exp(β0 + β1 x1 + · · · + βp xp )
µ = p(x) =
1 + exp(β0 + β1 x1 + · · · + βp xp )

• E a chance é dada por:

p(x)
= exp(β0 + β1 x1 + · · · + βp xp )
1 − p(x)

124
Regressão logística

• Os valores preditos pelo modelo de regressão logística são

dados por:

exp(β̂0 + β̂1 x1 + · · · + β̂p xp )

p̂(x) =
1 + exp(β̂0 + β̂1 x1 + · · · + β̂p xp )

• Para isso é necessário estimar o vetor de β.

• Uma abordagem bastante utilizada é o método de máxima
verossimilhança, que é baseado na função de verossimilhança,
dada por
n
Y
L(β) = P(Y = yi |xi )
i=1

125
Regressão logística

• A função de verossimilhança pode ser reescrita em função de

p(x) da seguinte forma
n
Y
L(β) = [p(xi )]yi [1 − p(xi )]1−yi
i=1

De tal forma que

• se yi = 1, então p(xi ) = P(Y = 1|xi ), e
• se yi = 0, então 1 − p(xi ) = P(Y = 0|xi ).

A log-verossimilhança é portanto expressa da seguinte maneira

n
X
l(β) = log[L(β)] = yi log[p(xi )] + (1 − yi )log[1 − p(xi )]
i=1

126
Regressão logística

• Para obter o estimador de máxima verossimilhança para β

temos que maximizar a função l(β);
• Para resolver os sistemas de equações é necessário utilizar
métodos numéricos;
• A partir da solução do sistema de equações obtemos os
estimadores β̂ para o vetor β.
• A partir da matriz de informação de Fisher obtemos as
variâncias de cada elemento do vetor β̂ e consequentemente os
respectivos erros padrão.

127
Qualidade do Ajuste

Para avaliar o quanto o modelo se ajusta aos dados precisamos ve-

rificar a diferença dos valores preditos pelo modelo e os valores ob-
servados. Para isso podemos utlizar as seguintes estatísticas:

• Qp de Pearson;
• QL da razão de verossimilhança

Em que,
eij = ni+ p̂(xi ), para j = 1 e
eij = ni+ (1 − p̂(xi )), para j = 2.
A hipótese nula testa é que o modelo é adequado aos dados.

128
Regressão logística

Um modelo de regresão logística simples é da forma:

 
µ
log = β0 + β1 x1 , em que µ = p
1−µ
.
Para estimar β0 e β1 em uma tabela de contigência 2 × 2, usa-se os
seguintes estimadores
     
n21 n11 n21
β̂0 = log e β̂1 = log − log .
n22 n12 n22

E a razão de chance estimada é dada por exp(β̂1 ).

129
Regressão logística

Exemplo - Para ilustrar a aplicação do modelo linear logístico, a Tabela

abaixo apresenta os dados da relacionando crianças com baixo peso
ao nascer (D = crianças com peso ao nascer < 2,5 Kg, D = criança com
peso ao nascer ≥ 2,5 Kg) e status da mãe com relação ao fumo ( G = 0
= não fumante, G = 1 = fumante).

Baixo peso
Fumante
Sim Não Totais
Sim 28 271 299
Não 13 368 381
Totais 41 639 680

130
Exemplo

APLICAÇÃO NO R

Doença
Sexo ECG
Sim Não Totais
< 0.1 4 11 15
Feminino
≥ 0.1 8 10 18
< 0.1 9 9 18
Masculino
≥ 0.1 21 6 27
Totais 42 36 78

131
Bibliografia
Bibliografia

• Giolo, S. R. Introdução à Análise de Dados Categóricos com Apli-

cações. São Paulo: Blucher, 2017.
• Ramos, P. C. F. e Spyrides, M. H. C. Análise de Dados Categorizados.
Editora Blucher, 2006.

133